買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜北京郵電大學(xué)申請的專利數(shù)據(jù)摘要生成方法、模型訓(xùn)練方法、相關(guān)裝置及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114358120B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-27發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111452498.1，技術(shù)領(lǐng)域涉及：G06N3/098；該發(fā)明授權(quán)數(shù)據(jù)摘要生成方法、模型訓(xùn)練方法、相關(guān)裝置及系統(tǒng)是由高志鵬;芮蘭蘭;楊楊;楊巖;趙晨;莫梓嘉;林怡靜;俞新蕾設(shè)計研發(fā)完成，并于2021-11-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本數(shù)據(jù)摘要生成方法、模型訓(xùn)練方法、相關(guān)裝置及系統(tǒng)在說明書摘要公布了：本申請實施例提供數(shù)據(jù)摘要生成方法、模型訓(xùn)練方法、相關(guān)裝置及系統(tǒng)，其中的數(shù)據(jù)摘要生成方法包括：根據(jù)接收的全局模型的模型參數(shù)以及本地的訓(xùn)練數(shù)據(jù)所屬的模型訓(xùn)練貢獻層級，自適應(yīng)生成本地的訓(xùn)練數(shù)據(jù)對應(yīng)的數(shù)據(jù)摘要，其中，本地的訓(xùn)練數(shù)據(jù)與多份非本地的訓(xùn)練數(shù)據(jù)分布式設(shè)置，且各份訓(xùn)練數(shù)據(jù)各自所屬的模型訓(xùn)練貢獻層級為預(yù)先對各份訓(xùn)練數(shù)據(jù)分別進行分層聚類而得；輸出本地的訓(xùn)練數(shù)據(jù)對應(yīng)的數(shù)據(jù)摘要以基于各份訓(xùn)練數(shù)據(jù)各自對應(yīng)的數(shù)據(jù)摘要共同訓(xùn)練全局模型。本申請能夠有效提高生成數(shù)據(jù)摘要的針對性及自適應(yīng)性，并能夠提高數(shù)據(jù)摘要在分布式學(xué)習(xí)過程中的有效性及可靠性，進而能夠有效提高使用數(shù)據(jù)摘要訓(xùn)練得到的全局模型的應(yīng)用有效性及準(zhǔn)確性。

本發(fā)明授權(quán)數(shù)據(jù)摘要生成方法、模型訓(xùn)練方法、相關(guān)裝置及系統(tǒng)在權(quán)利要求書中公布了：1.一種數(shù)據(jù)摘要生成方法，其特征在于，包括：根據(jù)接收的全局模型的模型參數(shù)以及本地的訓(xùn)練數(shù)據(jù)所屬的模型訓(xùn)練貢獻層級，自適應(yīng)生成所述本地的訓(xùn)練數(shù)據(jù)對應(yīng)的數(shù)據(jù)摘要，其中，所述本地的訓(xùn)練數(shù)據(jù)與多份非本地的訓(xùn)練數(shù)據(jù)分布式設(shè)置，且各份所述訓(xùn)練數(shù)據(jù)各自所屬的模型訓(xùn)練貢獻層級為預(yù)先對各份所述訓(xùn)練數(shù)據(jù)分別進行分層聚類而得；輸出所述本地的訓(xùn)練數(shù)據(jù)對應(yīng)的數(shù)據(jù)摘要以基于該本地的訓(xùn)練數(shù)據(jù)對應(yīng)的數(shù)據(jù)摘要和多份非本地的所述訓(xùn)練數(shù)據(jù)各自對應(yīng)的數(shù)據(jù)摘要共同訓(xùn)練所述全局模型；所述根據(jù)接收的全局模型的模型參數(shù)以及本地的訓(xùn)練數(shù)據(jù)所屬的模型訓(xùn)練貢獻層級，自適應(yīng)生成所述本地的訓(xùn)練數(shù)據(jù)對應(yīng)的數(shù)據(jù)摘要，包括：根據(jù)所述本地的訓(xùn)練數(shù)據(jù)所屬的模型訓(xùn)練貢獻層級確定所述本地的訓(xùn)練數(shù)據(jù)對應(yīng)的合成數(shù)據(jù)集的樣本數(shù)量以初始化合成數(shù)據(jù)集；針對接收的全局模型的模型參數(shù)，根據(jù)所述本地的訓(xùn)練數(shù)據(jù)訓(xùn)練得到一目標(biāo)參數(shù)的第一神經(jīng)網(wǎng)絡(luò)，并基于初始化的合成數(shù)據(jù)集訓(xùn)練得到所述目標(biāo)參數(shù)的第二神經(jīng)網(wǎng)絡(luò)；根據(jù)所述第一神經(jīng)網(wǎng)絡(luò)的解對所述第二神經(jīng)網(wǎng)絡(luò)進行收斂，以得到收斂后的合成數(shù)據(jù)集，并將該收斂后的合成數(shù)據(jù)集確定為所述本地的訓(xùn)練數(shù)據(jù)對應(yīng)的數(shù)據(jù)摘要。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京郵電大學(xué)，其通訊地址為：100876 北京市海淀區(qū)西土城路10號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。